# 臺灣博碩士論文加值系統

(3.87.250.158) 您好！臺灣時間：2022/01/25 18:33

:::

### 詳目顯示

:

• 被引用:0
• 點閱:292
• 評分:
• 下載:0
• 書目收藏:0
 簡易貝氏分類器是一種簡單而且有用的分類工具。它已經被廣泛的使用在離散型變數的系統上，但對於處理其它非離散型變數卻有其窒礙難行的地方，如連續型變數。本論文主要是討論如何應用簡易貝氏分類器於處理多種常見的非離散型及整合型資料上。針對連續型變數，本論文顯示在一般情況下將連續型變數切割離散化後的效果會比假設它是常態分佈來的好。本論文並解釋了為什麼前人所提出各種不同切割連續型變數的方法對於簡易貝氏分類器來說其效果都差不多。經由分析，我們提出了一個稱為懶惰切割的切割方法，這個方法是根據測試資料來對連續型變數做動態的切割。此法不僅可以對連續型變數做有效的動態切割，且可使簡易貝氏分類器處理集合型，區間型，及多重區間型資料的分類查詢問題。對於整合型資料，本論文探討了如何使用簡易貝氏分類器來分類同質集。我們定義同質集內的樣本是來自於同一種未知的類別，像這樣型態的資料常常可在多種應用上中遇到。我們深入探討如何運用我們知道同質集內的每個樣本是屬於同一種未知的類別的這個資訊來提高簡易貝氏分類器的分類正確性。我們提出一個方法，稱作同質簡易貝氏分類器，是由簡易貝氏分類器擴充並將整個同質集當成一個物件做為輸入的分類器。將此法與常用的投票方法及其它幾種方法相比較，此法明顯的優於它種方法，即使當同質集內的樣本數還很少時也有很好的效果。我們並將此法成功的運用在語者辨識上，但其應用範圍不僅僅侷限在語者辨識系統。
 Naive Bayes is a simple and useful classification tool. It is the most commonly used in situations which all the variables are discrete because naive Bayes is difficult to model complex probability densities over nondiscrete data such as continuous variables. This thesis describes how to use naive Bayes to classify several types of nondiscrete and aggregate data. We show that, in general discretization of continuous variables can outperform parameter estimation assuming a normal distribution. Based on our analysis, we can explain why a wide variety of well-known discretization methods can perform well with insignificant difference. Our analysis leads to a lazy discretization method, which dynamically discretizes continuous variables according to test data. This method can be extended to allow a naive Bayes to classify set-valued, interval and multi-interval query data. We also address the problem of how to classify a set of query vectors belonging to the same unknown class. Sets of data known to be sampled from the same class are often seen in many application domains. We refer to these sets as homologous sets. We show how to take advantage of homologous sets in classification to improve accuracy over by classifying each query vector individually. Our method, called homologous naive Bayes (HNB), uses a modified classification procedure that classifies multiple instances as a single unit. Compared with a voting method and several other variants of naive Bayes classification, HNB significantly outperforms these methods in a variety of test data sets, even when the number of query vectors in the homologous sets is small. We also report a successful application of HNB to speaker recognition.
 Abstract Chapter 1. Introduction Chapter 2. Bayesian Classification Chapter 3. Classifying Continuous Data Chapter 4. Lazy Discretization Chapter 5. Classifying Set and Interval Data Chapter 6. Classifying Data from the same Unknown Class Chapter 7. Conclusions and Future Work Bibliography
 [1] C.-N. Hsu, H.-J. Huang and T.-T. Wong,“Implications of the Dirichlet Assumption for Discretization of Continuous Attributes in Naive Bayesian Classifiers,”Machine Learning.[2]. H.-J. Huang and C.-N. Hsu, “Bayesian Classification for Data from the Same Unknown Class,”IEEE Trans. on Systems, Man, and Cybernetics — Part B: Cybernetics, vol. 32, no. 2, Apr. 2002.[3] C.-N. Hsu, H.-J. Huang and D. Schuschel , “The ANNIGMA Wrapper Approach to Fast Feature Selection for Neural Nets,” IEEE Trans. on Systems, Man, and Cybernetics — Part B: Cybernetics, vol. 32, no. 2, Apr. 2002.[4] H.-J. Huang and C.-N. Hsu,“Recognizing 100 Speakers using Homologous Naive Bayes,” The Seventh Pacific Rim International Conference on Artificial Intelligence, 2002, Tokyo, Japan.[5] H.-J. Huang and C.-N. Hsu,“Bayesian Classification for Set and Interval Data,” International Computer Symposium, 2000, ChiaYi, Taiwan.[6] C.-N. Hsu, H.-J. Huang and T.-T. Wong, “Why Discretization Work on Naive Bayes,” International Conference on Machine Learning, 2000 ,Stanford, CA, USA.
 國圖紙本論文
 推文當script無法執行時可按︰推文 網路書籤當script無法執行時可按︰網路書籤 推薦當script無法執行時可按︰推薦 評分當script無法執行時可按︰評分 引用網址當script無法執行時可按︰引用網址 轉寄當script無法執行時可按︰轉寄

 無相關論文

 1 13. 池祥麟(民86)，『金融機構放款政策的探討─信合社與商銀的比較』，合作經濟期刊第55卷，頁42-53。 2 9. 司徒達賢，『策略矩陣分析法基礎』，管理評論，第13卷第2 期，頁1-22。 3 6. 王鶴松(民89)『兩岸加入WTO對金融往來的影響』，兩岸經貿，八月。 4 4. 方俊堯(民85)，『新設商業銀行的競爭策略』，育達學報，第十卷，頁74-86。 5 1. 司徒達賢，中小企業之策略聯盟，經濟情勢暨評論季刊，第2卷，第3 6 20. 倪成彬(民89)，『加入WTO後我國金融業因應之道─論銀行現代化經營策略』，金融研訓季刊97卷，89年4月，頁4-13。 7 33. 陳炳昌、王衍智，『我國加入WTO對銀行業之影響及其因應策略』臺灣經濟金融月刊第三十七卷第十二期，頁1-13。 8 34. 傅成仕(民88)，『面對全球資本自由化趨勢本國銀行經營方向之探討(下)』，產業經濟月刊，第220期，頁1-18。 9 35. 傅成仕(民88)，『面對全球資本自由化趨勢本國銀行經營方向之探討(上)』，產業經濟月刊，第219期，頁1-29。 10 47. 鄭世松(民87)，『當前金融環境與銀行經營方針』，中國商銀月刊，87年4月，頁1-6。

 1 以群集化為基礎之快速有效向量量化碼簿設計演算法 2 co-DRR:在無線區域網路上整合上傳與下傳排程的頻寬管理 3 材質表面上刮痕的模擬 4 加速應用程式代理伺服器之可切換及分割之連線疊合技術 5 類神經網路於震測圖型分析之研究 6 以影片內容為基底的視訊影片檢索之研究 7 家用機器人視覺系統之相機校正 8 基本矩陣之最佳化與歐幾里德重建 9 特徵點的擷取與對應 10 利用人臉影像的三維資訊作身分驗證 11 利用基因演算法結合二級結構資訊與氨基酸序列比對以達成蛋白質結構相似度之辨識：應用於TIM-barrel結構辨識 12 蛋白質二級結構預測-使用基因演算法 13 結合演化式策略和完整式搜尋在DNA序列中尋找有意義的基因片段 14 探討使用TCP友善規劃器來減少連續多媒體資料流對TCP資料流的影響 15 直接路由網頁交換器

 簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室